NIB - A visualization tool for feature-level multi-omic data based on global metrics
(2020) BINP50 20181Degree Projects in Bioinformatics
- Abstract
- Life-sciences have developed at a rapid pace during recent years. From experiments investigating single molecules such as proteins or single genes to large scale projects mapping entire organisms in one single experiment. However, data generated from this kind of large scale projects need to be interpreted and integrated with the base of prior knowledge in an efficient, reliable and correct way. Tools for aiding the interpretation exist but tend to focus on one isolated data type. Here I present NIB, a visualization tool for multi-omics visualization. Key features of the program are the ability to visualize orthogonal data types and enable visualization of feature level details based on global metrics. Here I demonstrate how NIB can be... (More)
- Life-sciences have developed at a rapid pace during recent years. From experiments investigating single molecules such as proteins or single genes to large scale projects mapping entire organisms in one single experiment. However, data generated from this kind of large scale projects need to be interpreted and integrated with the base of prior knowledge in an efficient, reliable and correct way. Tools for aiding the interpretation exist but tend to focus on one isolated data type. Here I present NIB, a visualization tool for multi-omics visualization. Key features of the program are the ability to visualize orthogonal data types and enable visualization of feature level details based on global metrics. Here I demonstrate how NIB can be used in both multi-omics visualization by studying RNA-seq and LC-MS/MS proteomics data from breast cancer tumours. I also evaluate the ability to analyse technical aspects such as batch effects and data normalization in synthetic spike-in data. I conclude that multi-omics visualization at feature level based on global metrics is especially useful when evaluating the impact of batch effects and normalizations on a data set. I further discuss the future perspectives of the program in multi-omics visualization (Less)
- Popular Abstract (Swedish)
- NIB - Visualisering av biologins många ansikten.
Livsvetenskaperna är ett samlingsnamn för forskningsgrenar som studerar biologiskt liv och dess förutsättningar. Området har vuxit snabbt de senaste åren och stora landvinningar har gjorts med ny teknisk utveckling. Teknikerna är dock behäftade med viss osäkerhet, då det kan vara svårt att skilja biologiska fynd från tekniska störelement. Jag har därför skapat ett verktyg för att vidare analysera och visualisera den genererade datan och på så vis underlätta den fortsatta forskningen.
Biologiskt liv är komplext och har sin början i arvsmassan som är stora DNA-molekyler i organismers cellkärnor. DNA omvandlas till RNA, en informationsbärande molekyl cellen använder som ritning när... (More) - NIB - Visualisering av biologins många ansikten.
Livsvetenskaperna är ett samlingsnamn för forskningsgrenar som studerar biologiskt liv och dess förutsättningar. Området har vuxit snabbt de senaste åren och stora landvinningar har gjorts med ny teknisk utveckling. Teknikerna är dock behäftade med viss osäkerhet, då det kan vara svårt att skilja biologiska fynd från tekniska störelement. Jag har därför skapat ett verktyg för att vidare analysera och visualisera den genererade datan och på så vis underlätta den fortsatta forskningen.
Biologiskt liv är komplext och har sin början i arvsmassan som är stora DNA-molekyler i organismers cellkärnor. DNA omvandlas till RNA, en informationsbärande molekyl cellen använder som ritning när proteiner ska tillverkas. Proteiner i sin tur är den grundläggande byggstenar i allt biologiskt liv. Verkligheten är mer komplex än så med fler informationsnivåer, men i detta projektet fokuserar jag på tre. Varje nivå kan undersökas med specialiserade tekniker och belyser olika aspekter av de underliggande biologiska fenomen man studerar. Detta skapar svårigheter då data från enstaka informationsnivåer kan vara svårtolkad på grund av osäkerheter i metoden som används eller att det saknas klara samband mellan de fynd man gör och den praktiska betydelsen av dessa.
Jag visar hur NIB kan användas när jag tittar närmare på bröstcancer-tumörer. Jag diskuterar kring och kopplar fynden till befintlig forskning. Jag visar också hur programmet används för att studera tekniska aspekter av de underliggande experimenten. En sådan aspekt är systematiska felaktigheter i olika experiment, så kallade batch-effekter. Programmet används också för att studera effekterna av att matematiskt behandla datan för att eliminera tekniska störsignaler, så kallad datanormalisering. Det finns många varianter av datanormalisering men gemensamt är att de används för att harmonisera den experimentellt genererade datan så störande signaler från de underliggande analyserna minimeras och kan tolkas lättare. NIB är ett visualiseringverktyg för att lättare undersöka hur de olika typerna av information knyter an till varandra under ett givet ögonblick. Projektet visar på intressanta visualiseringstekniker som kan studeras vidare och har genererat nya hypoteser kring den analyserade datan.
Masterexamensprojekt i Bioinformatik 30 hp 2020
Biologiska institutionen, Lunds universitet
Handledare: Fredrik Levander, Jakob Willforss.
Computational Proteomics, Department of Immunotechnology, Lund University, Sweden (Less)
Please use this url to cite or link to this publication:
http://lup.lub.lu.se/student-papers/record/9018460
- author
- Lindh, Victor
- supervisor
- organization
- course
- BINP50 20181
- year
- 2020
- type
- H2 - Master's Degree (Two Years)
- subject
- language
- English
- id
- 9018460
- date added to LUP
- 2020-06-15 15:52:56
- date last changed
- 2020-06-15 15:52:56
@misc{9018460,
abstract = {{Life-sciences have developed at a rapid pace during recent years. From experiments investigating single molecules such as proteins or single genes to large scale projects mapping entire organisms in one single experiment. However, data generated from this kind of large scale projects need to be interpreted and integrated with the base of prior knowledge in an efficient, reliable and correct way. Tools for aiding the interpretation exist but tend to focus on one isolated data type. Here I present NIB, a visualization tool for multi-omics visualization. Key features of the program are the ability to visualize orthogonal data types and enable visualization of feature level details based on global metrics. Here I demonstrate how NIB can be used in both multi-omics visualization by studying RNA-seq and LC-MS/MS proteomics data from breast cancer tumours. I also evaluate the ability to analyse technical aspects such as batch effects and data normalization in synthetic spike-in data. I conclude that multi-omics visualization at feature level based on global metrics is especially useful when evaluating the impact of batch effects and normalizations on a data set. I further discuss the future perspectives of the program in multi-omics visualization}},
author = {{Lindh, Victor}},
language = {{eng}},
note = {{Student Paper}},
title = {{NIB - A visualization tool for feature-level multi-omic data based on global metrics}},
year = {{2020}},
}